Ejemplo Regresion Multiple
Ejemplo Regresion Multiple
Ejemplo Regresion Multiple
Y =a+b1 X 1 +b2 X 2
Donde:
Y = Variable dependiente
a = Intercepto de la variable Y
X 1 , X 2 = Valores de las dos variables independientes.
b1 , b2 = Pendiente asociada con cada variable independiente.
Sabemos que se desconocen tres valores a , b1 , b2 , y para hallarlos usaremos tres ecuaciones
auxiliares.
Y =na+b 1 X 1 +b 2 X 2
X 1Y =a X 1 +b1 X 21 +b2 X 1 X 2
X 2Y =a X 2 +b1 X 1 X 2 +b2 X 22
Se=
Y 2a Y b1 X 1Y b 2 X 2 Y
n3
El error estndar de la regresin mltiple es una medida de dispersin, la estimacin se hace ms precisa conforme
el grado de dispersin alrededor del plano de regresin se hace ms pequeo.
2a Y +b 1 X 1 Y +b 2 X 2 Y n y 2
R=
Y 2n y 2
El coeficiente de determinacin Mide la tasa porcentual de los cambios de Y que pueden ser explicados por X1 , X2
y X3 simultneamente.
El jefe de produccin de una empresa manufacturera desea estimar los gastos indirectos de produccin con
base en el nmero de horas trabajo y en el nmero de horas mquina. En la siguiente tabla se relaciona la
informacin correspondiente al primer semestre.
La tabla solo mostraba los valores coloreados con color rojo tenue, aunque eso no importa tanto
ya que sabemos como se obtienen los demas datos, solo debemos ver que es lo que pide y hacerlo
con las formulas de excel.
b
Y =na+b 1 X 1 +b 2 X 2 ( 1265)+(b285) (1)
159=(6a)+
b
X 1Y =a X 1 +b1 X 2
1 +b2 X 1 Y 2 ( 111715 )+(b 23756) (2)
7032=( a265 )+
Quedara un sistema de 3x3 que podemos resolver por distintos mtodos pero en este caso
usaremos el siguiente (creo que es el mtodo de eliminacin):
Multiplicamos la Ec. 1 por 85/6 y luego le restamos la Ec. 3 para eliminar la variable a:
b
( 1265)+(b285)
85
159=(6a)+
6
2252.5=85 a+3754.16 b1 +1204.16 b2
b
( 1265)+(b285)
265
159=(6a)+
6
7022.5=265 a+ 11704.16 b1 +3754.16 b2
Ya que tenemos las Ec. 4 y 5 despejaremos a b1 de cada una de ellas y nos quedaran as:
7.56.84 b2
b1= (4.1)
1.84
9.51.84 b2
b1 = (5.1)
10.84
Obteniendo los dos valores procedemos a igualar nuestros b1 como se muestra a continuacin:
7.56.84 b 2 9.51.84 b2
=
1.84 10.84
Multiplicamos en cruz para eliminar las fracciones, como se muestra:
81.374.14 b2=17.483.38 b2
81.317.48=3.38 b2 +74.14 b2
Resolvemos y Reducimos:
63.82=70.76 b 2
63.82
b2=
70.76
b2=.90
7.56.84 b2
b1 =
1.84
7.56.84(.9)
b1=
1.84
b1=0.73
159265 b185 b 2
a=
6
159265(.73)85 (.90)
a=
6
159193.4576.5
a=
6
110.95
a=
6
a=18.49
Ahora ya podemos sustituir esos valores en otras ecuaciones y resolver y ver distintos parmetros
que influyen en la regresin lineal, pero nosotros utilizaremos Excel para hacerlo ms rpido y
usando nuevas tecnologas, lo anterior solo nos ayudara a comprobar que lo hicimos bien o que
tenemos detalles en nuestras operaciones.
*pestaa datos
*anlisis de datos
*regresin
Coeficiente de determinacin R^2: nos dice que si el valor est ms cercano a 0 significa que las
variables tienen muy poca relacin entre s, y por lo tanto ms cercano a 1 significa que hay una
relacin muy grande. En este caso est ms cercano a 1 lo que significa que podramos calcular
distintos valores con un nivel de confianza alto, es decir es confiable hacer pronsticos con estos
valores.